MétaCan
Menu
Retour à la cohorte
Enregistrement W1968371478 · doi:10.1017/s026357470100337x

Calibration-based absolute localization of parts for multi-robot assembly

2002· article· en· W1968371478 sur OpenAlexaff
Edward J. Park, Xu Weihua, James K. Mills

Notice bibliographique

RevueRobotica · 2002
Typearticle
Langueen
DomaineEngineering
ThématiqueRobot Manipulation and Learning
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRobotCalibrationComputer visionRobot calibrationOrientation (vector space)Artificial intelligencePosition (finance)Reference frameGRASPPoseFrame (networking)Computer scienceFrame of referenceAutomotive industryRobot kinematicsEngineeringSimulationMobile robotMathematicsGeometry

Résumé

récupéré en direct d'OpenAlex

In multi-robot assembly of parts, for successful mating, the grasped parts must be located with sufficiently small position and orientation errors so that assembly can be achieved. This paper describes a new approach for determining the absolute three-dimensional spatial location of parts grasped by robots during assembly. Through a combination of robot pose calibration and part-sensor calibration, the robot, used to grasp the part, is calibrated to accurately position and orient parts to a designated mating location. First, by employing a robot pose measurement system, the 6 DOF robot pose errors relative to a reference coordinate frame are compensated. Second, with the implementation of a part pose measurement, the 6 DOF part pose errors, relative to the robot tool frame, are estimated in real time. An experimental verification of the proposed methodology using a single FANUC S–110 robot manipulating an automotive sheet metal part is described.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,973
Score d'incertitude au seuil0,418

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,070
Tête enseignante GPT0,261
Écart entre enseignants0,191 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRoboticaMême sujetRobot Manipulation and LearningTravaux en français237 207